• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.34-36
• /
• 2001

본 논문에서는 모델 기반의 잡음 보상 방법인 PMC (parallel model combination)를 온라인상에서 적용하는 방법에 관해 논한다. PMC는 파라미터 보상시 미리 계산된 잡음 모델을 필요로 하며 파라미터 보상에 많은 연산을 요구하므로 온라인으로 모델 파라미터를 보상하기가 어렵다. 본 논문에서는 이러한 문제를 해결하기 위해 기존에 제안된 온라인 모델 보상 방법을 살펴보고, 기존 방법에서 보상 시간 문제로 제외한 PMC의 공분산 보상을 비교적 적은 연산량으로 수행하여 인식성능을 더욱 향상시켰다. 고립 숫자음 인식시스템에 백색 잡음을 SNR 0, 5, 10 dB로 가산한 평가 자료로 실험한 결과, 제안한 방식은 PMC를 적용한 경우에 비해 모델 적응 시간은 적게 걸리면서도 기존의 온라인 모델 보상 방법에 비해 평균 10%의 인식률 향상을 보였다.

• Proceedings of the KIPE Conference
• /
• 2004.07a
• /
• pp.451-455
• /
• 2004

본 논문은 사이리스터를 이용한 HVDC 시스템에서 발생하는 무효전력보상에 대한 특성을 무효전력 발생원인과 보상방법에 대하여 고찰하고자 하였다. HVDC 시스템은 무효전력을 컨버터의 제어를 통하여 한정적으로 보상할 수 있으며, 고조파 제거를 위하여 설계하는 교류필터의 커패시터를 이용하여 무효전력보상기능을 추가하고 있다. 하지만 이러한 방법으로는 완전하게 무효전력을 보상할 수 없으므로 추가적인 무효전력 보상장치를 설계하여야 한다. 그러므로 본 논문에서는 현재 제주-해남에 설치 되어있는 HVDC 시스템을 대상으로 무효전력 보상에 대한 시뮬레이션을 하였다. 제주 인버터단의 특성을 고려하여 무효전력보상을 위한 커패시터와 동기 조상기의 Hybrid형 방법에 대하여 동적 특성을 분석하였으며 논문에서 사용된 방법은 PSCAD/EMTDC를 이용한 시뮬레이션을 수행하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.06a
• /
• pp.357-358
• /
• 2013

H.264 등 동영상 압축 표준에서는 비디오 신호의 시간적 중복 데이터를 제거하기 위해 움직임 추정/보상을 수행한다. 또한 움직임 추정/보상의 정확성을 향상하기 위해 다중 참조프레임을 지원한다. 여러 장의 참조 프레임 중 현재 블록과 가장 유사한 참조 프레임 영역으로부터 움직임 추정/보상을 수행하여 보다 정확한 예측에 의해 잔차신호의 크기가 감소하게 되고, 그 결과 부호화 효율이 더욱 개선되었다. 본 논문에서는 다중 참조 프레임을 사용한 움직임 추정/보상의 효율을 유지하면서도 참조프레임을 나타내는 참조프레임 인덱스 비트를 줄여주어 부호화 효율을 더욱 개선하는 방법을 제안한다. 본 논문에서 제안하는 방법은 움직임 추정/보상 시, 각각의 참조 프레임에서 움직임 추정/보상에 사용되는 예측화소들을 비교하여 다중 참조 프레임이 효과가 있다고 판단 되는 경우에만 다중 참조 프레임 움직임 추정/보상을 수행하고, 다중 참조 프레임이 효과가 없다고 판단 되는 경우에는 단일 참조 프레임 움직임 추정/보상을 적응적으로 수행하였다. 실험결과 제안하는 방법은 다중 참조 프레임 인덱스 부호화에 소요되는 비트를 절감하면서도 부호화 효율을 유지함을 확인 할 수 있었다. 제안하는 방법은 동영상 압축 코덱에 적용되어 압축 성능을 더욱 향상 할 수 있다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.139-142
• /
• 2004

훈련 과정과 인식 과정사이의 주변 잡음과 채널 특성으로 인한 환경의 불일치는 음성 인식 성능을 급격히 저하시킨다. 이러한 차이를 극복하기 위해 다양한 전처리 방법이 제안되어 왔으며, 최근에는 스테레오 데이터와 잡음 음성의 Gaussian Mixture Model(GMM)을 이용하여 보상벡터를 구하는 SPLICE 방법이 좋은 성능을 보여주고 있다. 하지만 차원별로 특징벡터를 보상해주는 추정된 보상벡터는 underestimation되는 경향이 있으며, 그 정도가 각각의 차원마다 달라짐이 관찰되었다. 본 논문에서는 SPLICE 방법에 기반하여 추정된 보상벡터와 실제 보상벡터 사이의 관계를 관찰하여 차원별로 다른 가중치를 적용하는 차원별 가중 보상 방법을 제안하였다. 제안한 방법은 Aurora2 Clean-condition인 경우 baseline 실험 결과에 비해 $68\%$의 높은 상대적인 인식 향상율을 얻었다.

• Proceedings of the KIEE Conference
• /
• 2009.04b
• /
• pp.118-120
• /
• 2009

본 논문에서는 직접 전력변환방식의 단상 sag/swell 보상기를 구현하였다. 제안된 보상기는 정현파 입력/ 출력 필터, 직렬연결 변압기와 dc 링크 커패시터부가 없는 단상 back-to-back PWM컨버터로 구성되어 있다. 이 보상기의 장점은 dc-link 진해 커패시터가 제거되어 전력회로부가 간단하게 구현되어 향상된 신뢰성 및 내구성을 확인 할 수 있으며 동시에 단상 전압 sag/swell을 보상하며 스위칭 손실을 줄이는 간단한 PWM 방법을 들 수 있다. 더구나, 제안된 방법은 일반적인 직접 전력변환방식에서 요구되어지는 복잡한 4-step 전류 방법이 필요 없는 간단한 전류제어방법을 채용할 수 있는 구조이며 제안된 보상기의 구조와 PWM 방법의 타당성을 프로토타입 하드웨어를 제작하여 실험결과로 보상기의 우수성을 확인하였다.

• Journal of IKEEE
• /
• v.16 no.1
• /
• pp.34-44
• /
• 2012

This paper proposes a practical compensation method by using digital signal processing over the creep error which is representative in strain gauge loadcell. The signal compensation method carry out the simulation by deciding compensation constant (time constant) and coefficient measuring the loadcell output response. Then, compensation constant and coefficient are stored on the microprocessor. By using calculated on microprocessor creep error compensation values, weighting value is showed as a digital signal by reducing error values measured through output signals of loadcell. In addition, we apply error compensation method in order to have a dedicated software for loadcell electronic scale. This technique is useful because it has great influence on error rate reduction that has been produced by conventional electronic scales (0.03%). As a result our technique gives better accuracy (0.01%~0.003%) as what is given by digital electronic scale, while it has less complex operation processing.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.65-68
• /
• 2004

이동통신 기술의 발전으로 이동통신 사용이 폭발적으로 증가하였고 그에 따라 이동통신망을 이용한 많은 서비스가 제공되고 있다. 이동통신망에서의 음성 인식 서비스에서 음성 인식기에 입력되는 음성신호는 통신망을 통해 음성 압축기를 거치게 되고 이에 음성신호가 왜곡되어 인식기의 인식성능이 저하된다. 본 논문에서는 무선통신 환경에서 음성인식기의 성능을 개선하기 위한 보상 방법을 제안한다. 기존의 제안된 방법은 음성 데이터에 의존하는 방법을 사용하나 본 논문에서는 음성 데이터와는 독립적 방법인 음성 압축기에 의해 손상된 입력 신호의 스펙트럼 보상방법과 Cepstrum 보정방법을 통해 인식률을 향상시키는 방법을 제안한다. 즉, 음성 압축기에 의하여 왜곡된 스펙트럼을 단계적 방법으로 보상하고 그를 토대로 왜곡된 신호에서 만들어진 Cepstrum을 보정하여 음성 인식기의 성능을 향상시키는 방법을 연구하였으며, 그 견과 손상된 음성신호의 인식률 $64.88\%$에 대하여, 본 논문에서 제안하는 보상 방법을 적용한 음성신호의 인식률은 $79.73\%$로서 $14.85\%$가 향상된 결과를 얻을 수 있었다.

• Nuclear Engineering and Technology
• /
• v.26 no.2
• /
• pp.205-211
• /
• 1994

The best method is selected among the 3 digital dynamic compensation methods which are developed or applied for the Rhodium self-powered neutron detector. The three digital dynamic compensation methods are the existing Dominant Pol Tustin method of the COLSS(Core Operating Limit Supervisory System), the Direct Inversion method and Kalman Filter method. The Direct Inversion method is an improved method of D. Hoppe and R. Maletti and the Kalman Filter method is developed using the Kalman Filter. Response times of the compensated signals to achieve 90% of a step input are 28.1, 17.2 and 6.5 seconds respectively for the same noise gain telling that the Kalman Filter method is the best amens the 3 methods.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1996.10a
• /
• pp.56-60
• /
• 1996

본 논문에서 핵심어 검출(Keyword spotting ) 시스템에서의 채널 왜곡에 대한 보상방법등의 성능을 비교하였다. 훈련을 음성과 인식실험용 음성은 서로 다른 환경에서 수집되었으며, 특별히 인식실험용 음성으로는 전화망을 통한 음성 데이터를 이용하였다. 전화망을 통한 음성인식에서는 채널왜곡과 부가잡음에 의해서 음성신호에 왜곡이 생기므로 이들에 대한 적적한 보상이 필요하다. 본 논문에서는 채널 왜곡보상을 위한 처리방법으로 널리 사용되고 있는 global cepstral mean substraction (GCMS), local cepstral mean subtraction(LCMS) 그리고 RASTA processing을 적용하였다. 그리고 인식성능의 개선을 위해 이들 방법을 likelihood ration scorning 에 의한 후처리 과정을 적용하였다. 인식실험결과 이들 방법 모두 채널왜곡 보상을 하지 않았을 경우와 비교하여 더 좋은 인식성능을 얻을 수 있었으며, 그 중 후처리를 적용한 LCMS 방법이 가장 우수한 성능을 나타내었다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.245-250
• /
• 2023

RLHF(Reinforcement Learning from Human Feedback, 인간 피드백 기반 강화학습) 방법론이 최근 고성능 언어 모델에 많이 적용되고 있다. 이 방법은 보상 모델과 사람의 피드백을 활용하여 언어 모델로 하여금 사람이 선호할 가능성이 높은 응답을 생성하도록 한다. 하지만 상업용 언어 모델에 적용된 RLHF의 경우 구현 방법에 대하여 정확히 밝히고 있지 않다. 특히 강화학습에서 환경(environment)을 담당하는 보상 모델을 어떻게 설정하는지가 가장 중요하지만 그 부분에 대하여 오픈소스 모델들의 구현은 각각 다른 실정이다. 본 연구에서는 보상 모델을 훈련하는 큰 두 가지 갈래인 '순위 기반 훈련 방법'과 '분류 기반 훈련 방법'에 대하여 어떤 방법이 더 효율적인지 실험한다. 또한 실험 결과 분석을 근거로 효율성의 차이가 나는 이유에 대하여 추정한다.